Загрузка видео...

Не удалось загрузить видео

На главную

Claude上线Computer Use功能 能完全自动化操作你的电脑,这还只是第一个版本,效果就已经非常稳了。 有MCP的应用,优先通过MCP来操作;没有MCP的,直接截屏一步步通过GUI操作,理论上讲能操作任意应用。 单次执行任务可以长达几十分钟,而且是真的能完成。 牛,太牛了。 我下达的命令:打开微信,根据微信群“Gorden的AI交流群”里的最近30条消息,写一段话承接群里的消息,然后抛出新的可以讨论的话题,并把以上内容直接发送到群里。 跑了20分钟完成了,我拍了整个过程,视频无删减只有加速。 结合Dispatch,可以实现手机遥控电脑操作其他应用;结合定时任务,可以每天定时操作应用(这2个功能是之前就已经上线的) 目前还有几个明显的缺点: 1、通过截屏操作太慢了,一步步截屏和识别非常费时间;MCP会好很多,以后应用CLI化会更好; 2、费token,上面的任务,费了我Pro订阅的30%的5h额度,就只是发了这么一条消息; 3、权限机制目前比较保守,需要你反复授权;

49,455 просмотров • 7 месяцев назад •via X (Twitter)

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

腾讯新推出的Marvis,真的把AI焊进了操作系统! 我的电脑,终于能听懂人话了。 以前找文件得手动翻,改设置得点半天,定时任务还得自己盯着……现在一句话说完,AI直接帮我干完。 这就是腾讯最新发布的 Marvis(马维斯)— 一个真正叠加在操作系统层面的AI助手。 系统级AI能力,太硬核了 Marvis 不是漂浮在表面的聊天工具,它直接在操作系统层面叠加了一层AI中枢。 这意味着它能全局访问你电脑里的几乎所有资源: - 全部已安装的应用 - 图片文件(还能理解图片内容和文字) - 各种文档数据 一句话就能调动资源干活。 六人AI小队,背后自动协作 它预置了多个Agent协同工作:一个总指挥 + 五个专业特工(文件、系统、应用、浏览器、搜索)。 你说“把最近的发票全找出来做成表格”,它自动拆任务、分配执行,最后直接给你结果。用起来特别顺手。 真正实用的Skills + 一键定时任务 Marvis 内置了丰富实用的Skill,而且每个技能都配了清晰的操作图示,上手非常友好。 文件归类、图片批量处理、系统优化……点开就能用。 定时任务也特别方便: - “检索 GitHub 本周 Trending 中 AI/ML 领域的热门项目,生成中文可视化展示页面。” 说一次就安排好,它准时执行。 最强一点:Token消耗实时透明 这点我特别喜欢—每个任务运行时,都能实时看到Token消耗情况。 一目了然,心里有底。而且每天还有1000万Token免费额度,日常使用完全够用,几乎零成本。 Marvis 把AI真正带到了操作系统层面,让你的电脑从“被你操作的工具”,变成了“能主动帮你干活的智能助手”。 目前支持 Windows、Mac、Android,iOS版本也即将上线。

开发者Hailey

15,921 просмотров • 5 месяцев назад

Codex 操控电脑的三种方式。Codex 团队成员 Jason 今天写了一篇详细指南,把三者的区别和适用场景理清楚了,这里做个精简版。 【1】Computer Use:最广,也最慢 Computer Use 让 Codex 像人一样看屏幕、点鼠标、敲键盘,操作你电脑上的任何图形界面应用。Spotify、Xcode、系统设置、iOS 模拟器,甚至 iPhone Mirroring 都能控制。 代价是慢。结构化插件可以直接调 API,Computer Use 得一步步看界面、找按钮、等响应、再检查结果。但它能搞定没有 API 的应用,这是其他方式做不到的。 Mac 和 Windows 的体验差距很大:Mac 上 Codex 可以在后台静悄悄地操作,你继续用自己的电脑不受影响;Windows 上它必须占据前台,操作期间你没法用那台机器。 Jason 举了个例子:有次他的快递被偷了,Amazon 说要等 25 分钟才能接通客服。他让 Codex 每五分钟检查一次聊天窗口,客服出现后改为每分钟一次,自动完成退款流程。他去洗了个澡,回来退款已经办好了。 【2】Chrome 扩展:带着你的登录状态 Chrome 扩展让 Codex 使用你已登录的浏览器会话,包括 cookies、账号状态和已有标签页。Gmail、LinkedIn、Salesforce、公司内部后台,这些需要登录才能用的工具,Chrome 扩展是对的选择。 它还能同时控制多个标签页,在一个标签里读信息,到另一个标签里对比,再到第三个标签完成操作。Computer Use 也能操作浏览器,但它只认屏幕坐标,Chrome 扩展理解的是浏览器层面的上下文。 Jason 用它跑了一个长期任务:每天让 Codex 通过 Chrome 检查他的 Twitter 私信、浏览相关新闻、收集反馈,把有价值的内容存到本地文件,但不发任何消息。 要注意的是,网站会把 Codex 的点击和表单提交当作你本人的操作。研究、浏览、起草可以自动化,但发送、发布、付款这类操作最好留给自己确认。 【3】内置浏览器:给开发者的沙盒 内置浏览器住在 Codex 的对话线程里,你和 Codex 共享同一个渲染页面。它不带任何登录状态和 cookies,是个完全隔离的环境。 这反而成了开发场景的优势。它的主场是本地开发服务器、文件预览、公共网页、响应式布局检查和视觉 bug 复现。Codex 可以改代码、操作页面、截图、再跑一遍,形成紧密的反馈循环。 Jason 最喜欢的功能是标注:你可以直接在页面上点击某个元素留评论,比如"这个层级反了""这个按钮间距不够",Codex 会拿着截图和元素上下文去改代码,改完重新打开同一个页面等你下一轮标注。比来回传截图和文字描述高效得多。 【选哪个?】 简单记:任务需要登录状态用 Chrome,需要操作桌面应用用 Computer Use,在做前端开发用内置浏览器。如果有现成的插件或 MCP 能完成任务,优先用结构化工具,视觉控制是最后手段。

宝玉

187,964 просмотров • 4 месяцев назад

我的Pi Durable 个人 Agent,连接微信成功🔥 我花了点时间把它对接到了我的微信上,终于实现了我想要的功能 可以随时吩咐它完成任务了 而且我增加了几个工具: 1. 任务中心:右下角新加的面板,计划、提醒和后台子 Agent 都在这里集中查看和管理,不用先跟模型聊天也能直接操作 2. 周期计划任务:可以设定多少分钟后执行、每隔多久重复一次,支持暂停、继续和取消;服务器停机期间错过的轮次,不会在恢复后一次性全部补跑 3. 后台子 Agent:把一个独立任务派到后台去做,主对话不用等它;做完后结果自动回到主对话,进程崩溃了也能接着跑。 4. 从子会话跳回主会话:后台子 Agent 的会话会记住是从哪个主会话派出来的,界面上一点就能跳回去 5. 提醒管理:还没到点的提醒,可以在任务中心里直接取消 6. 主动通知:后台任务完成、提醒到点、计划触发时,可以推送到通用 Webhook 或飞书机器人;推送范围可以选只推失败的、全部推送或关闭 7. 会话导出:把当前对话一键导出成 Markdown,只包含你和助手的对话内容 8. 微信通道:扫码绑定微信后,在微信里给 ClawBot 发消息就能用;回复会自动发回微信,服务器重启也不会丢消息 9. 更安全的默认设置:公网部署时必须设密码;"模拟崩溃"按钮默认关闭;重复提交时也不会建出重复的任务 现阶段基本上就等于一个小 Hermes,该有的功能基本上都有了,可能唯一缺失的就是没有项目化地去完善对应的内容 这也是我对 PI-Durable 的一个实践,我慢慢地去迭代一下 看看能不能迭代成我想要的样子,因为 person agent 肯定是一个趋势

小墨同学

20,999 просмотров • 24 дней назад

Grok Bot + Cursor 全链路开发分享!现在出门只带手机,也能完成从写代码、测试到 PR 合并和发布的整个流程🔥 前面有朋友问我,怎么通过手机配合 Grok Bot 和 Cursor 完成整个开发流程 其实没有想象中复杂,我现在这套工作流,基本不需要一直守在电脑前,分享一下具体怎么操作 一、先做好两个准备工作 1、关联 Grok Bot 和 Cursor 准备一个同时登录 Grok Bot 和 Cursor 的账号,现在的新订阅可以把两个服务关联起来 这里要注意,尽量使用同一个账号和邮箱,避免后面出现账号无法关联的问题 2、连接 GitHub 仓库 分别让 Grok Bot 和 Cursor 连接自己的 GitHub 仓库 后续的代码修改、PR、Review 和 CI/CD,都可以围绕 GitHub 完成 二、整个开发流程其实很简单 ① 手机下发任务 直接在 Grok Bot 里描述开发需求,让它调用 Cursor 去执行 Coding 任务,不需要自己一直开着电脑操作 ② Cursor Cloud 云端开发和测试 这个是我比较喜欢的地方 Cursor 自带 Cloud 环境,代码修改、测试和运行都可以在云端完成 中间的执行过程还可以通过截图、录屏和结果说明来检查,不用单纯依赖 Agent 告诉你任务已经完成 ③ GitHub PR + CI/CD 代码完成后,通过 GitHub 提交 PR,再检查对应的测试结果和 CI/CD 状态 确认没有问题后,合并到主分支,如果你的项目已经配置好自动部署,后续发布流程也可以直接跑起来 三、最后我需要做什么? 整个流程下来,我主要只需要关注三件事: 1、提交开发任务 2、检查结果并合并 PR 3、确认发布到生产环境 以前开发一个小功能,可能还得远程连接电脑、打开编辑器、跑测试,现在很多操作都可以交给 Grok Bot 和 Cursor 完成 而且整个过程在手机上就能跟进,对于经常出门、又需要随时处理项目的人来说,确实方便很多 当然,正式上线前还是建议自己检查代码、测试结果和权限配置,尤其是涉及数据库和生产环境的修改 如果你已经在用 Grok Bot 和 Cursor,真的可以试试把 GitHub 这条链路打通,后面会省下不少重复操作的时间

小墨同学

47,643 просмотров • 9 дней назад

哎哟卧槽,刚发现 Airtap Airtap Ai 又更新了一个硬核的新功能。 只要发一条 iMessage,就能让 AI 操作 App 去干活。 Airtap通过 iMessage 收到指令后后,就会操作远程手机,完成后再把结果发回来。 我用它来帮我查询 Gmail 里 Anthropic 发来的相关邮件。 只要第一次在 Airtap的远程手机里登录 Gmail 后,后续直接在 iMessage 里发句话就能查询邮件,本机不用再反复挂 VPN、切换网络。 而且在联网状态下,iMessage 走的是网络消息,不按普通运营商短信计费。 在 iMessage 把指令发出去后,就可以在 Airtap 官网看到远程手机开始自己操作。 打开 Gmail、搜索 Anthropic、查看相关邮件,最后把查询结果直接回复到 iMessage。 整个过程我都录成视频了,点开视频你可以看到, Airtap收到任务后如何思考,如何一步步操作并返回结果。 对我来说,这个功能最直接的价值,就是不用打开 Gmail,也能快速确认某家公司最近有没有发来重要邮件。 还有一个更实际的用途,就是排查那些已经不用、却还在自动扣费的 AI 工具。 AI 工具订阅多了以后,很容易忘记取消。有时候偶然翻到付款收据,才发现某个工具又自动续费了一个月。 这时可以直接让 Airtap 搜索 Gmail 里的续费提醒、付款收据和扣款邮件,看看还有哪些订阅没有关。 另外对于我们 AI 博主或者海外内容运营者来说,还可以让它操作 X、YouTube 等 App,查看订阅消息中是否有最近更新的内容,不用自己在挂VPN以及在多个 App 之间来回切换。 这种场景,以前我都是一个个 App 打开操作。 现在只需要发一条消息,让远程手机自己去干活,直接告诉我结果就行。 想体验的,可以直接给这个号码发送 iMessage:+1-650-213-7322 #justtextit #textyourapps #Airtap

李岳

46,272 просмотров • 3 месяцев назад